SenseNova-6.8-Flash-Lite（Claude Code） | 2026-08-29 | — | 31/60 | 52% | |
接入 Claude Code 实测商汤免费多模态智能体模型 SenseNova-6.8-Flash-Lite：强约束指令遵循十条句子仅两句合格，24点与密码锁推理顺利通关；但浏览器操作系统等三道编程题因 API 反复停止反应、5小时无法完成而全部失败，整场测评体验拉胯。 模型参数 开发商商汤科技 架构未知 发布2026-08-11 总参数未知 激活参数未知 上下文窗口256K 多模态文本/图像/文档/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 十条句子仅第1、9句合格，其余全部跑偏，强约束指令遵循能力很差 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确（12753） 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 跑了27分钟后API反复停止反应，从下午2点半等到7点半仍未完成，无法测试 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 API反复停止反应，无法测试 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 API反复停止反应，无法测试 |
| 2026-08-28 | — | 43/60 | 72% | |
推理题仅密码锁正确，Q1对8句、Q2三个解法做多错多。编程题Q4浏览器OS UI精美弹窗超出预期、太空射击3D感强；Q5赛车代码未完成无法运行；Q6 Trello看板多余符号排版错乱但基本功能正常。全程最大问题是速度极慢多次触发请求限额，如算力跟上表现应更好。 模型参数 开发商腾讯 架构MoE 发布2026-08 总参数770B 激活参数49B (MoE) 上下文窗口1M 多模态文本/图像 输入价格$0.834/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第5和第8句不符合结尾从1到10的要求，其他8句通顺没问题。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 三个解法中第一个满足要求；第二个用了重复数字9违规；第三个用了阶乘违规。解法多反而做错多，没有做好指令遵循。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI不错弹窗精美超出预期，Dock栏功能正常，太空射击游戏效果真心不错3D感完全出来了功能也没问题。但耗时极长（一个多小时）且中间触发请求限额报错。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 代码写到中途报错未完成，无法进入游戏无法玩。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 加号点击无反应、标签文字异常换行、待办编辑页面有多余奇怪符号；但基本增删改拖动功能没问题。 |
| 2026-08-28 | — | 54/60 | 90% | |
整体表现相当能打，推理题三题全对（Q1对9句，Q2/Q3正确），编程题中太空射击游戏是近期看到最好的实现（有3D感），Trello看板UI舒服功能全正常。Q4浏览器OS小问题（WiFi图标位置偏左、弹窗超界），Q5赛车撞一次就挂设计偏严苛扣分。综合54/60，zcode加持下编程产出更好。 模型参数 开发商智谱AI 架构MoE 发布2026-08 总参数320B 激活参数18B (MoE) 上下文窗口1M 多模态文本/图像/视频/音频 输入价格¥0.8/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第2句觉得不大对，应该是'独一无二'才通顺，所以认为错了1句，共9句通过。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是 1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 WiFi等图标在左边而非右上角，弹窗超出右边界；但Dock栏应用正常；太空射击游戏是近期看到最好的实现，有3D的感觉，敌机也是真的飞机。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 实现挺不错，扣分因为撞一次就挂了（其他模型多为减血条），可玩性偏低。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI看上去舒服，全部功能测试下来没有问题，卡片和列表的增删改、拖动等功能都正常。 |
Qwen 3.8 Flash（Claude Code） | 2026-08-27 | — | 51/60 | 85% | |
推理能力稳定在线，数学类题目（24点、密码锁）全部正确，编程题可圈可点但小问题偏多。浏览器OS弹窗超界、终端输入位置不对；赛车UI不错但撞车一次就挂设计不合理；Trello按钮文字未居中。综合表现不及Qwen 3.8 Max Preview（54分），但仍属可用水平。 模型参数 开发商阿里云/Qwen 架构MoE 发布2026-08-26 总参数125B 激活参数6B (MoE) 上下文窗口256K（扩展至1M） 多模态文本/图像/音频 输入价格¥1/M 开源部分开源（权重已开源） 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 从1到10结尾通顺，无明显问题。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，10+9+3+√4=24。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确，12753，推理过程无误。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 弹窗内容超出右边界；终端输入框在右侧且无明显输入位置标识；飞机子弹从肚子发射而非前方。扣分较严。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 UI不错，功能无明显问题，实现完整度较高。但撞障碍物一次就挂（其他模型多为减血条），设计偏严苛。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 其他功能正常，但编辑任务卡片时两个按钮文字未居中靠左。 |
| 2026-08-21 | — | 52/60 | 87% | |
推理题全对（Q1-Q3），但编程题耗时过长且有明显功能缺失：Q4浏览器OS右上角弹窗失效、太空射击完全无响应（飞机/按键均无反应）；Q5赛车功能正常但耗时半小时；Q6看板功能全正常但耗时近一小时。综合编程表现与耗时不成正比。 模型参数 开发商DeepSeek/深度求索 架构MoE 发布2026-08-21 总参数284B 激活参数13B (MoE) 上下文窗口1M 多模态文本/图像 输入价格$0.22/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1到10，读起来顺畅，全对。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI还可以，但右上角各个icon点击都没有预期的弹窗，太空射击游戏没有看到任何飞机，左右键和鼠标都没有任何反应。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 功能没有问题，只是难度有点高。耗时半个多小时。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 耗时将近一小时，但列表和卡片的增删改、拖动等功能全部正常可用。 |
| 2026-08-21 | — | 49/60 | 82% | |
整体表现能打，推理题全对，3D赛车无bug但UI未达惊艳。弱项在于指令遵循和UI细节：指令遵循6-9句结尾不符合数字要求，太空射击空格射击失效，Trello看板编辑有瑕疵、列表拖动有小问题。综合来看竞争力不错，目前 OpenRouter 可免费体验。 模型参数 开发商匿名（社区猜测可能为 Xiaomi/MiMo） 架构未知 发布2026-08 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 速度很快，但6-9句明显不是从1到9的数字结尾，不符合数字要求；其他句子正常。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 配色舒服，弹窗正常，Dock应用可打开，太空射击游戏空格射击功能失效（只能鼠标射击）。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 完成度高，功能基本无bug，但UI没有漂亮到10分的程度。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI漂亮，卡片拖动正常。但待办卡片编辑有问题（标题栏高度太小看不清），列表拖动开始时会飘到左上角，左上角有奇怪的取消按钮与内容重叠。 |
| 2026-08-21 | — | 32/60 | 53% | |
整体表现一般，编程基本不可用。指令遵循陷入死循环翻车，3D赛车完全看不到车；24点、密码锁两道推理题全对。即便有 Deepseek-Harness 加持，整体编程表现依旧拉胯，综合测评结果并不算理想。 模型参数 开发商小红书/dots模型实验室 架构MoE 发布2026-08 总参数280B 激活参数16B (MoE) 上下文窗口512K 多模态文本/图像/音频 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 陷入思考死循环，冬雪覆群山重复出现108次（循环107次），最终token耗尽，失败。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI简陋，计算器UI有问题、终端点不开；太空射击游戏简陋但可玩，不过挂掉后重新开始就僵死。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 完全看不到汽车在哪里，只有一直出现的圆圈，失败。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 拖动卡片和列表正常、列表删除正常；但待办卡片不能编辑、填写后无法关闭窗口、删除不工作。 |
| 2026-08-15 | — | 51/60 | 85% | |
开源27B FP8量化版实测51分，较Q4版（45分）明显进步。推理全对：Q1句子全部通顺且倒数第二字无重复，Q2/Q3满分。编程题：Q4浏览器OS计算器计算完全错误、点日期跳出设置，太空射击游戏朝向小瑕疵；Q5赛车功能正常、方向无误；Q6 Trello看板UI配色不错功能完整。综合足以胜任日常办公、网页开发等常规编程需求。 模型参数 开发商阿里云/Qwen 架构Dense 发布2026-08 总参数27B 激活参数27B (Dense) 上下文窗口262K（YaRN可外推1M） 多模态文本/图像/视频 输入价格免费（本地部署） 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 所有句子都是通顺的，且倒数第二字没有重复，修复了Q4版的第6-9句违规问题。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 点日期跳出设置不对；计算器计算完全错误，试了几次没有一次算对；太空射击游戏我方飞机一直向上、敌方从前方来，朝向小瑕疵。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 实现很不错，功能上没有什么问题，左右方向这次没有搞反。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI配色风格还不错，整体功能没有问题，不错。 |
| 2026-08-15 | — | 45/60 | 75% | |
开源27B量化（Q4_K_S）模型实测45分。推理题Q2/Q3满分，Q1句子生成总体通顺但第6-9句取巧违反倒数第二字约束。编程题：Q4浏览器OS代码完整但一直开不了机，Q5赛车整体过得去但左右键反转，Q6 Trello看板功能完整。作为27B量化模型实力不俗，非常适合个人及小型企业本地部署。 模型参数 开发商阿里云/Qwen 架构Dense 发布2026-08 总参数27B 激活参数27B (Dense) 上下文窗口262K（YaRN可外推1M） 多模态文本/图像/视频 输入价格免费（本地部署） 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 总体比较通顺，但第6、7、8、9句取巧用'6月6/7月7'格式，违反倒数第二个字不能重复的约束。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 一直开不了机，代码是全的，估计是某个状态搞错，很遗憾。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 实现整体还是过得去的，唯一问题是左右键操作方向相反。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 整体功能没有问题，不错。 |
| 2026-08-14 | — | 52/60 | 87% | |
Claude Code 上测试，推理设置 high、编程拉满 max 思考深度。Q1 第5句不符合结尾规则其余9句通顺得9分，Q2/Q3 推理题正确。Q4 浏览器 OS 除命令行输入框有点突兀外挺不错，太空射击功能UI都OK；Q5 赛车漂亮但左右反转；Q6 Trello 功能没问题但拖动动画较水。综合52分，与 Gemini 3.7 Flash 并列第一。 模型参数 开发商智谱AI 架构MoE 发布2026-08 总参数~130B 激活参数~130B+ (MoE) 上下文窗口1M 多模态文本/图像 输入价格¥0.1/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第五句不符合结尾规则，其余9句通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 命令行输入框有点突兀，其他挺不错；太空射击游戏功能和UI都觉得OK。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 非常漂亮，唯一问题是左右方向反转，按左键往右，按右键往左。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI看上去不错，基本功能没问题。列表拖动换位置时切入的动画比较水，不够精美。 |
Gemini 3.7 Flash（AI Studio） | 2026-08-14 | — | 51/60 | 85% | |
AI Studio 拉满最高思考深度测试，Q1 指令遵循全部通顺达标（vs DeepSeek V4 Pro/Grok 4.6 均翻车），Q2/Q3 推理题正确，速度飞快。编程题：Q4/Q5/Q6 UI 水但功能均正常可玩，综合实力让眼前一亮。作为 Flash 版本 51 分暂列第一。 模型参数 开发商Google 架构未知 发布2026-08 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/音频/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 速度相当快，句子全部从1到10结尾且通顺。对比 DeepSeek V4 Pro 只对4/5句，Gemini 3.7 Flash 完胜。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 速度杠杠的，UI看上去也很舒服，基本功能没问题。太空射击游戏敌机等 UI 很水，但功能正常。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 UI有点水，但功能能正常跑。比起前面花三四十分钟搞出来的横冲直撞失控滑雪般的玩意儿强很多。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI 不是喜欢的 style，但基本功能没有问题。 |
| 2026-08-14 | — | 46/60 | 77% | |
在 Harness 上复测 DeepSeek V4 Pro，Q1 指令遵循仅对4句（比 Codex 的5句更差），Q2/Q3 推理题正确。Q4 浏览器 OS 计算器崩溃但太空射击比 Codex 好，Q5 赛车像在雪地滑行 BUG 给5分，Q6 Trello 看板 UI 漂亮功能完美拿满分。综合46分，仍不及 Codex 上的表现。 模型参数 开发商DeepSeek 架构MoE 发布2026-08 总参数~2.3T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥3/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 只对了4句，豆包也认为只对了4句，比昨天在 Codex 上测还少了一句。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角弹窗不错，计算器 UI 一团糟没法玩，其他还好；太空射击游戏比昨天在 Codex 上的好很多，可玩性大大增加。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 不是在赛车而是在滑车，车在雪地里滑动，马路横跨着一条条滑行，且不控制左右也不会被障碍物挡住，太拉胯了。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI 很漂亮，功能没有问题，非常棒。 |
| 2026-08-13 | — | 41/60 | 68% | |
推理题大幅进步：Q1全对（vs 4.5的4分），Q2/Q3满分，推理能力追上主流。但编程题全线崩溃：Q4浏览器OS无法进入直接失败（vs 4.5的2分陷入死循环），Q5赛车左右键反且重启后崩溃（vs 4.5的8分），Q6 Trello看板颜值一般（vs 4.5的7分）。综合41分，与4.5持平，但严重偏科。 模型参数 开发商xAI 架构MoE 发布2026-08-12 总参数~1.5T 激活参数~500B (MoE) 上下文窗口131K 多模态文本/图像 输入价格$2/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 全部没有问题，第九题一开始也以为是错的，去查了下是有这个说法的。相比4.5版本的4分（句子不通顺），进步显著。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 很可惜，没法进去。失败！比4.5陷入死循环更差，直接完全无法使用。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 第一次运行能玩，虽然不算漂亮，且左右键是反过来的。然后挂了重新来后，就根本不能玩了，整个画面都一团糟了。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 还好，基本功能没有问题。颜值肯定不算高颜值，Trello看板外观普通。 |
| 2026-08-13 | — | 50/60 | 83% | |
推理题Q2、Q3全对，Q1强约束指令遵循测试只对5句出乎意料。编程题：Q4浏览器OS右上角弹窗和Dock功能正常但太空射击游戏很一般且键盘无法控制，Q5赛车游戏实现非常棒支持加速和背景音，Q6 Trello看板UI漂亮功能完美。结合极低价格，将对海外头部AI厂商造成更强冲击。 模型参数 开发商DeepSeek 架构MoE 发布2026-08-13 总参数~2.3T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥3/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 只有5句符合要求，'数了下，只有5句是符合要求的'。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角弹窗不错，Dock栏功能没什么问题，但太空射击游戏'很一般'且键盘wasd和方向键无法控制，只能用鼠标。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 '这个实现还是非常棒的'，可以加速，还有汽车轰鸣声等背景音。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI很漂亮，'功能没有问题，非常棒'。 |
| 2026-08-03 | — | 54/60 | 90% | |
表现非常强，追平Preview版（54分）。推理题Q2、Q3全对，Q1句子生成小有瑕疵（第九句不通顺，第十句'满九'略不自然）。编程题三题整体出色：浏览器OS功能完整、太空射击游戏专业；赛车游戏可玩；Trello看板除待办标题编辑入口缺失外均正常。与Preview版同分，国产大模型巅峰之作。 模型参数 开发商阿里云/Qwen 架构MoE 发布2026-08 总参数~2T 激活参数~400B (MoE) 上下文窗口1M 多模态文本/图像/音频 输入价格¥0.1/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第九句不大通顺；第十句'满九'语法通但少听到这种说法，不够自然，不如加'岁'字。整体9句通顺，1句小瑕疵。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是1 2 7 5 3，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI感觉还好，右上角弹窗做得不错，dock栏app正常，太空射击游戏实现看上去很专业，可玩性强。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 视角压得较低，前面路况稍微有点被挡住，但玩下来感觉还是挺不错的。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表和卡片拖动删除正常，仅待办标题编辑入口缺失扣2分。 |
openpangu 2.0 Flash（MaaS） | 2026-08-02 | — | 26/60 | 43% | |
openpangu 2.0 Flash 数学与逻辑推理准确（24点、密码锁全对），但约束文本输出敷衍、生成稳定性极差：编程任务输出在 4K-8K tokens 处反复截断，浏览器系统、3D赛车、Trello看板均无法生成完整可用代码，代码开发场景不推荐。 模型参数 开发商华为 架构MoE 发布2026-06-30 总参数92B 激活参数6B (MoE) 上下文窗口512K 多模态仅文本 输入价格按Token计费（MaaS免费额度极低） 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 你拍一我拍二儿童歌？明显在糊弄，但结尾1-10正确 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确（1 2 7 5 3） 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 代码没写完就停住，8K tokens处输出截断，叫它继续仍未完成 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 也不行，7K多就断了 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 4K多tokens就断了，更惨，无法生成完整可用代码 |
| 2026-08-02 | — | 36/60 | 60% | |
OpenPangu 2.0 Pro 数学与逻辑推理扎实（24点、密码锁全对），但指令遵循文本通顺度一般、UI/游戏编程短板突出：计算器逻辑失效、太空射击简陋、3D赛车与Trello无法交互，重度编程体验较差。 模型参数 开发商华为 架构MoE 发布2026-07-31 总参数505B 激活参数18B (MoE) 上下文窗口512K 多模态仅文本 输入价格按Token计费（MaaS免费额度极低） 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 句子结尾1-10正确，但7、8、10明显不通顺，9听上去也不顺 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确（1 2 7 5 3） 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI一般；计算器点击等于号无反应（逻辑失效）；太空射击游戏简陋，飞机为静止方块 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本没法玩，不知道它在干嘛 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI接近原生Trello，但完全无法交互，列表无法添加 |
| 2026-08-01 | — | 49/60 | 82% | |
推理题三题全对（Q1默认中等深度输出生硬，切换高思考深度后仅第6、8句略差，Q2/Q3正确）。编程题：Q4浏览器OS UI美观弹窗Dock功能正常但太空射击游戏根本没法玩，Q5赛车游戏整体玩起来不错但左右键反向，Q6 Trello看板列表和卡片增删改拖动全功能正常但新增最大化按钮无反应。整体综合性能与DeepSeek V4 Flash正式版不相上下，适合低成本推理、前端开发需求，综合49/60。 模型参数 开发商OpenAI 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像 输入价格$0.2/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 默认中等思考深度输出语句生硬全不通顺，切换高思考深度后明显改善，仅第6、8句略差。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI还挺喜欢，右上角弹窗和Dock栏的app没有什么问题，但太空射击游戏根本没法玩。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 整体玩起来不错，唯一问题是左右键是反的，按下右键车子就往左跑。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表和卡片增删改拖动等都没有问题，比很多模型多了列表和最大化按钮但点击无反应。 |
DeepSeek V4 Flash（Claude Code） | 2026-08-01 | — | 50/60 | 83% | |
推理题三题全对（Q1对9句，Q2/Q3正确）。编程题：Q4浏览器OS基本功能可用但太空射击游戏简陋不及Codex版，Q5赛车游戏效果不错但耗时44分钟（新模型上线算力拥堵所致），Q6 Trello看板UI清新增删改拖动全功能正常。整体与Codex平台表现相当，发挥稳定，综合50/60。 模型参数 开发商DeepSeek 架构MoE 发布2026-07 总参数~2T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥0.1/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没有问题，就第七句不是很通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，这个也答对了。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角弹窗和Dock栏的app没有什么问题，但太空射击游戏没Codex版做得好，"花了几十分钟做出这样一个破游戏，真的说不过去"。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 等待44分钟（新模型上线算力拥堵所致），但游戏效果还不错，"对得起等待的这44分钟"。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI比较清新，列表和卡片增删改拖动等都没有问题。 |
DeepSeek V4 Flash（Codex API） | 2026-07-31 | — | 47/60 | 78% | |
推理题三题全对（Q1对9句，Q2/Q3正确）。编程题：Q4浏览器OS基本功能可用但控件排序错乱和操作失灵，Q5赛车游戏交互效果优秀堪同年同梯队标杆但耗时过长，Q6功能正常但渲染竖线干扰明显。整体和Codex适配存在磨合缺陷，长代码生成耗时严重降低开发效率。 模型参数 开发商DeepSeek 架构MoE 发布2026-07 总参数~2T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥0.1/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没有问题，第九题有点小问题，其他还好。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，思考了1分半钟。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，答案正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 桌面系统存在控件排序、操作失灵问题，看板界面渲染异常竖线干扰但基础功能可用。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 3D赛车成品交互效果优秀堪同年同梯队标杆，但单次耗时动辄半小时且频繁断链重连。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 功能没有问题，但渲染异常竖线干扰，评价'一根根竖线吓死宝宝了'。 |
| 2026-07-29 | — | 29/60 | 48% | |
推理题开启深度思考后表现尚可（24点和密码锁正确），但编程题全线崩溃。浏览器OS多项功能失效（计算器不能用、Dock应用顺序错乱），3D赛车未渲染出赛车，Trello看板无法创建列表。胜在零成本，适合搭配OpenClaw等智能体做文案、资料查询类轻量任务，不适合专业编程生产。 模型参数 开发商Agnes AI(SG) 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口512K 多模态文本/图像 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 默认模式全错（结尾不是1到10），开启深度思考（high）后格式正确，但生成的所有句子均不通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，速度较快。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确推理出密码12753。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI一般，右上角icon弹窗正常；但Dock栏后打开应用藏在前打开后面、计算器不能用；太空射击游戏过于简陋但基本功能可运行。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 赛车未出现，仅公里数数字跳动，无法游玩，完全失败。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI与原生Trello接近，但连最基本的列表都无法创建，核心功能缺失。 |
| 2026-07-28 | — | 19/60 | 32% | |
整体表现非常糟糕，6道题中仅24点问题做对，其余全线崩溃。指令遵循句子不通顺且未按要求以1-10结尾；密码锁推理答错；编程题三题均有严重问题：太空射击游戏无法操作、3D赛车根本没渲染出来、Trello看板只能新增无法修改删除且拖动错位。对比同价位 DeepSeek V4 Flash 完全没有竞争力。 模型参数 开发商蚂蚁集团/InclusionAI 架构MoE 发布2026-07-24 总参数124B 激活参数5.1B (MoE) 上下文窗口256K 多模态仅文本 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 句子不全都是从1到10结尾，且句子完全是狗屁不通，评价'举一反二、横七竖七都造得出来，很糟糕'。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，但思考了4分多钟，速度偏慢。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案错了，正确答案是12753。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI看上去一般，基本功能没有问题；但太空射击游戏根本不能玩，鼠标左右移动没有半点反应。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 赛车没有出现，完全没有渲染出来，评价'幽灵赛车用精神意志在赛车吗？太烂了'。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI和原生Trello比较接近，列表和待办卡片增加没有问题；但都无法修改，拖动后卡片一并拖动、待办跑其他列，卡片和列表删除也不工作。 |
| 2026-07-26 | — | 43/60 | 72% | |
通过中转站渠道测试，结果仅供参考。推理题：Q1句子生成全部通顺无取巧满分通过，Q3密码锁推理正确。但Q2 24点违规用了阶乘、Q4太空射击游戏体验差（飞机无立体感、子弹自动连发）、Q5赛车根本没渲染出来。综合表现远达不到 Opus 5 应有水准，但怀疑是中转站环境问题。 模型参数 开发商Anthropic 架构未知 发布2026-07-24 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/音频/视频 输入价格$5/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 全部句子读起来通顺，且没有取巧的情况，完美通过。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，但违规用了阶乘，提示词明确要求初等数学运算符，指令遵循有问题。给半对略高。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI一般，基本功能没问题。但太空射击游戏飞机太大无立体感，且子弹不需要按space就自动连发，实现有瑕疵。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 赛车没有出现，完全失败。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 这是唯一一个没有任何问题的实现，列表和待办卡片增删改均正常，列表和卡片拖动也没有问题。 |
Gemini 3.6 Flash（Extended Thinking） | 2026-07-22 | — | 44/60 | 73% | |
开启Extended Thinking后推理能力大幅提升，Q1/Q2/Q3全部正确（Q3密码锁推理比非ET版本有进步），但编程能力反而下滑：Q4浏览器OS耗时十多分钟首次拒绝输出代码，Q5赛车游戏直接触发代码报错无法启动，Q6 Trello看板基本功能正常但重置按钮有逻辑bug。Extended Thinking擅长多层逻辑推导却容易过度发散打乱代码逻辑，出现明显'过度思考'副作用。 模型参数 开发商Google 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/音频/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" Perfect！全部句子都没有问题。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，和非ET版本做法一样。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 这次它推理出来了，Extended Thinking果然不一样，答案正确12753。（非ET版本该题答案错误72781） 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 等了十多二十分钟一直加载中，刷新无效；首次要求输出HTML代码时直接拒绝称只能处理文本；重开后基本功能OK但右上角图标无弹窗；太空射击游戏是最简陋的实现，长按space再按方向键子弹打不出来。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 点击开始按钮没有任何反应，打开调试模式有错误，无法启动。代码报错无法运行。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 基本功能（卡片增删改拖动）均正常，UI一般。重置示例数据按钮存在逻辑bug，点击后变成两个列表而非三个，但多点击几次又好了。 |
| 2026-07-22 | — | 37/60 | 62% | |
整体测评下来，虽然说是flash版本，但还是多少有点失望。大家都说Gemini现在是北美版豆包，估计都跑去满足用户情绪价值去了。推理题：Q1句子8和9不流畅扣分，Q2 24点正确，Q3密码锁推理给出错误答案。编程题：Q4浏览器OS基本功能OK但太空射击游戏最简陋，Q5赛车游戏左右键反向是明显bug，Q6 Trello看板功能正常但UI一般。 模型参数 开发商Google 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/音频/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没问题，但第8句结尾'有'不够通顺，第9句凭直觉觉得不顺畅。整体通过但流畅度有瑕疵。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案应该是12753，它算出来是72781，答案错误。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI不错，基本功能没有问题。但内置的太空射击游戏可能是实现的最简陋的太空射击游戏了，就几个三角形代表飞机，不过功能没问题。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 整体还好，但唯一问题是左右键是反的，按左键车子会往右开，按右键车子会往左开，是一个明显的bug。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 整个UI感觉一般，但所有功能没有问题，待办卡片增删改拖动均正常。 |
| 2026-07-19 | — | 54/60 | 90% | |
整体表现非常出色，速度明显比Kimi K3快很多。第一题指令遵循全对实属罕见，编程题也无大毛病。赛车有可玩性但未达惊艳，Trello待办删除功能缺失。相比Kimi K3（第一题错两句、赛车无法控制），更好用。 模型参数 开发商阿里云/Qwen 架构MoE 发布2026-07 总参数~2T 激活参数~400B (MoE) 上下文窗口1M 多模态文本/图像/音频 输入价格¥0.1/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 完美生成10个句子，严格遵循汉字数字结尾、倒数第二字不重复且不为'第''是''为'的约束。用户评价'好久没有看到有模型把这题做到全对的了'。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 正确给出 10+9+3+√4=24 的解法，速度很快。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案 12753，推理正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 速度确实快，界面美观。WiFi弹窗正常，Dock应用可正常打开，太空射击游戏UI不错且无功能性问题。扣1分因为并非所有细节都完美。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 玩起来感觉不错，没有看到明显错误。相比Kimi K3（车子一直往右拐无法控制）好很多。扣2分因为体验上未达惊艳。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI与原生Trello几乎一模一样，列表和卡片增删改正常，列表和卡片拖拽功能正常。扣3分因为待办的删除找不到入口（核心功能缺失），列表删除没有问题。 |
| 2026-07-18 | — | 35/60 | 58% | |
整体表现不太理想，尤其是编程题问题严重。第一题指令遵循仅第一句勉强合格；赛车游戏无法控制、倒着开；Trello看板连添加列表的功能都没有。推理题倒是都做对了。穆拉蒂的新模型还有很长的路要走。 模型参数 开发商Thinking Machines Lab 架构MoE 发布2026-07 总参数975B 激活参数41B (MoE) 上下文窗口1M 多模态文本/图像/音频/视频 输入价格免费(API) 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 仅第一句勉强说得过去，其余9句质量不达标。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案 12753，推理正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 基本功能没问题，但内置的太空射击游戏左右上下无法移动，发射子弹也断断续续，体验较差。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本控制不了，且感觉车是倒着开的，完全无法正常游玩。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 连添加列表的地方都没有，核心功能缺失，失败。 |
| 2026-07-17 | — | 45/60 | 75% | |
整体感觉还不错，推理题全部正确，24点还给出了两种解法。最大的槽点是慢，每道题都要花很长时间。编程题中赛车完全无法控制，Trello交互有小瑕疵。如果速度能提升就完美了。 模型参数 开发商月之暗面/Moonshot 架构MoE 发布2026-07-17 总参数2.8T 激活参数~200B+ (MoE) 上下文窗口1M 多模态文本/图像 输入价格$3/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第4和第8句未以汉字数字结尾，其余8句正常通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 思考时间较长（五分多钟），但最终给出了两个解法且都正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确，写了Python脚本辅助推理。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 基本功能没问题，但耗时15分钟以上；太空射击游戏敌机做得太敷衍，与耗时不成正比。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本控制不了，开局汽车就侧着往右边拐，按左键毫无反应。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表和卡片增删改及拖拽功能正常。扣3分：①待办编辑时输入框高度太窄看不清标题；②列表拖动时卡片不是跟随移动而是先占位后跳转，不够顺滑。 |
| 2026-07-12 | — | 28/60 | 47% | |
整体表现不太行。24点陷入死循环5分钟无响应；赛车无法控制；Trello看板连添加列表的功能都没有。推理题正确但编程后两道全线崩溃。 模型参数 开发商快手/KwaiKAT 架构MoE 发布2026-07-10 总参数未知 激活参数未知 上下文窗口256K 多模态仅文本 输入价格$0.74/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 对了7句，第3句不通顺，第5句未以汉字数字结尾，第10句也不行。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 陷入思考死循环，等了快5分钟没有半点反应，只好停止。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角弹窗做得不咋地，Dock基本功能没问题。太空射击游戏一波太多敌机，不可能打得过，游戏设计有问题。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本控制不了，开局汽车就侧着往右边拐，按左键根本没有用。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 界面和原生trello很接近，但连添加列表的地方都没有，核心功能缺失，失败。 |
| 2026-07-12 | — | 27/60 | 45% | |
速度确实无敌（1000 tokens/s），但推理能力惨不忍睹。24点答案明显错误，密码锁推理也错了。编程题在opencode加持下表现尚可，太空游戏做得不错。速度很快但准确率堪忧。 模型参数 开发商小米 架构MoE 发布2026-06-09 总参数1T 激活参数未知 上下文窗口1M 多模态文本/图像/音频/视频 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 对了6句。第1、5句未以汉字数字结尾，第8、10句不通顺。速度飞快。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案明显错误，1.5乘以3会等于24不通。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 速度很快但答案错了。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角WiFi点击没有弹窗，Dock栏基本功能ok。太空射击游戏实现让人相当满意。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 像模像样，整体还可接受。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 卡片和列表增删改拖动都正常。扣3分因为拖动没有平滑动画效果，与提示词要求不符。 |
| 2026-07-10 | — | 43/60 | 72% | |
整体感觉一般般，开了极高推理也未有惊艳表现。24点违规用了阶乘被扣分；指令遵循句子偏门不通用；太空飞机不能上下移动。 模型参数 开发商OpenAI 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口1.5M 多模态文本/图像/音频/视频 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第一句不是汉字数字结尾，但后面9句技术上符合，只是内容偏门不够通用。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 结果正确但解法用了阶乘，题目限定初等数学运算符。给半对。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI还好，基本功能没问题。但太空游戏飞机不能上下移动、子弹不从飞机发射，实现很一般。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 当地感十足，感觉还不错。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 大部分功能没问题，任务和列表拖动正常。扣3分因为点击列表右上角3个点直接删除而非弹出菜单。 |
| 2026-07-10 | — | 56/60 | 93% | |
整体表现不错但未达预期惊艳。第一题虽全对但想法单一取巧；第四题第一次理解成设计原型图需重跑，计算器和终端有小bug。 模型参数 开发商OpenAI 架构未知 发布2026-07 总参数未知 激活参数未知 上下文窗口1.5M 多模态文本/图像/音频/视频 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 除第7句外都按1-10结尾，满足约束条件。写法虽取巧但未违规，只是想法单一。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案 12753 正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 虽第一次理解成设计原型图需重跑，但UI漂亮弹窗正常。计算器结果被遮挡和终端无法输入扣分。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 感觉还不错。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 功能全部正常，任务和列表拖动没有问题。 |
| 2026-07-09 | — | 41/60 | 68% | |
整体能力是有的，但第一道推理题让人大跌眼镜，第一道编程题的死循环也让人心有余悸。如果作为生产力工具需要三思而后行。 模型参数 开发商xAI 架构MoE 发布2026-07-09 总参数~1.5T 激活参数~500B (MoE) 上下文窗口131K 多模态文本/图像 输入价格$2/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 所有句子除了最后一句其他都不通顺。海外模型用中文称天才。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 最终答案正确，给出了两个解法都没问题。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 陷入思考死循环，20多分钟出弱智结果，被迫停掉。确认不是网络问题。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 没有进入死循环，很快出结果，整体感觉挺不错。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI接近原生，列表和卡片增删改及拖动正常，但修改任务卡片标签没生效。 |
| 2026-07-08 | — | 49/60 | 82% | |
Workbuddy上跑的HY3效果相当棒，UI比之前测评都好太多，但赛车障碍物问题明显。Workbuddy这个harness加持有明显加成。 模型参数 开发商腾讯 架构MoE 发布2026-07 总参数~300B 激活参数~200B+ 上下文窗口256K 多模态文本/图像 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" Workbench误判敏感信息阻断测试，同一提示词在元宝和aistudio都没问题，是Workbench平台问题非模型问题。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI非常漂亮，比前两个测评都好太多，基本功能没问题，太空射击游戏相当不错。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 障碍物总占据整条路，无法闪躲。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI和Trial几乎一模一样，增删改拖动全部正常，完美。 |
| 2026-07-08 | — | 48/60 | 80% | |
与元宝网页版差异巨大，推理题全对。编程比元宝稍好，但命令行终端无法输入、太慢游戏方向过于灵敏、Trello新增列表无反应。 模型参数 开发商腾讯 架构MoE 发布2026-07 总参数~300B 激活参数~200B+ 上下文窗口256K 多模态文本/图像 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10，句子通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 比元宝好很多，但计算器删除按钮太突出、命令行终端无法输入、太空游戏UI不行方向过于灵敏。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 虽说简陋但是可玩。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI好多了，但新增列表没反应无法增加；卡片增删改拖动正常，已有列表删除正常。 |
| 2026-07-06 | — | 30/60 | 50% | |
推理题几乎全军覆没，编程也只能差强人意。这个模型真心不咋地。 模型参数 开发商腾讯 架构MoE 发布2026-07 总参数~300B 激活参数~200B+ 上下文窗口256K 多模态文本/图像 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 给了两个回答，右边全错；左边只有第一句通顺，其余失败。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案违规，9用了两次，不符合每个数字只能且必须使用一次的规则。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 推理半天答案是26751，错误。正确答案是12753。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面一般，计算器占太长栏；主题开关形同虚设；太空游戏没看到敌人只看到障碍物；WiFi弹窗正常。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 还像模像样。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI丑陋，深色背景配灰色字体难以辨认；修改列表名称点击无反应（两次），删除列表也无法；但卡片增删改拖动正常。 |
| 2026-07-03 | — | 12/60 | 20% | |
本地部署版Deepseek V4 Flash表现不佳，推理题几乎全军覆没，编程题问题也很多。 模型参数 开发商DeepSeek 架构Dense(Distilled) 发布2026-07 总参数~30B 激活参数~30B (Distilled) 上下文窗口128K 多模态文本 输入价格免费(本地) 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 陷入死循环，一直没有出结果，最后停止。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 长时间没有算出，安东尼只好停了。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案26157错误，正确答案是12753。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 APP打开没问题，但太空射击游戏一片漆黑根本跑不了。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 没看到障碍物，前面晃动的是卡车。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 卡片拖动/新增正常，但编辑不了列表，拖动换位置不确定是否OK。 |
| 2026-07-02 | — | 57/60 | 95% | |
推理题完美通过，编程题表现出色。Fable 5确实能打，比Sonnet 5好太多，贵也是理所应当。 模型参数 开发商Anthropic 架构未知 发布2026-07 总参数~640B 激活参数~200B+ 上下文窗口200K 多模态文本/图像/音频/视频 输入价格$10/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没问题，语义全部通顺，完美。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出了一个解法，答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面还可以，基本功能没问题，太空射击游戏效果不错。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 其他还好，但道路画线斜着指向建筑物，不转弯时也这样。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI不错，基本功能和拖动都没问题，完美。 |
| 2026-07-01 | — | 44/60 | 73% | |
Sonnet 5水平没有预想中高，特别是编程方面。推理题表现尚可，但赛车游戏上下颠倒太影响体验。 模型参数 开发商Anthropic 架构未知 发布2026-07 总参数~640B 激活参数~200B+ 上下文窗口200K 多模态文本/图像/音频/视频 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没问题，但4/5/6/7句不通顺，1,2,3,8,9,10正常。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 最终答案正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确，速度很快。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 基本功能没问题，太空游戏键盘控制小范围移动，鼠标稍好。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 上下颠倒需旋转180度，玩起来眩晕。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI还行，列表和待办增删改拖动都没问题。 |
| 2026-06-30 | — | 43/60 | 72% | |
新架构的Deepseek V4 Pro编程能力似乎没有之前测评好，浏览器OS基本功能失败，赛车和Trello也只是差强人意。 模型参数 开发商DeepSeek 架构MoE 发布2026-06 总参数~2.3T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥3/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 除了第5句，其他句子结尾1-10都正确且通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 最终答案正确，给出几个解法都没问题。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 右上角点击没有弹窗，Dock栏点击没有反应，失败。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 UI不大行，玩起来不是很顺畅。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI不算高颜值，拖动没问题，但任务没法修改。 |
| 2026-06-30 | — | 14/60 | 23% | |
这个模型我真心觉得不咋地，网上都在吹Benchmark但实际测试结果很差。编程题几乎全线失败，速度也很慢。 模型参数 开发商美团 架构MoE 发布2026-06 总参数1.6T 激活参数~48B (MoE) 上下文窗口1M 多模态文本 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没问题，但只有1和3句通顺，其余取巧或不通顺。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 等了十多分钟没有输出，挂了。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确，但花了10多分钟，速度很慢。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面一般，基本功能完全不工作，右上角弹窗和Dock栏APP都没反应。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 车子倒着开，左右控制反向，完全不符合预期。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI一般，新增列表不工作，卡片内容无法修改，可以拖卡片但不能拖列表，删除也有问题。 |
| 2026-06-19 | — | 48/60 | 80% | |
这个模型真心觉得还不错，比起某Max那些大牌模型的测评报告，已经相当能打了。如果编程的UI方面能做得更好那就完美了。 模型参数 开发商Nex-AGI 架构MoE 发布2026-06 总参数397B 激活参数未知 上下文窗口未知 多模态文本 输入价格未知 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾1-10没问题，有一句语义感觉不太对。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出了一个解法，正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面一般，基本功能没问题，太空射击不流畅一闪一闪，子弹发射也不流畅。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 感觉还不错，只是车技有点菜。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI一般，其他还好，但任务卡片拖动不工作。 |
| 2026-06-15 | — | 40/60 | 67% | |
这个模型真心觉得不稳定。PA Agent和Cloud Code两个Agent都出问题，只能怀疑是模型本身的问题。 模型参数 开发商月之暗面/Moonshot 架构MoE 发布2026-06-15 总参数~600B 激活参数~200B+ (MoE) 上下文窗口200K 多模态文本/图像 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 1-10结尾满足，后面几句还算满足，其他的不行。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出了一个解法，正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面还可以，基本功能没问题，太空射击根本没法玩。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 模型变得temporarily unavailable不稳定，readme文档，感觉实现还好。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 一直在重试，屡次没法往下走，反复读了好多次都这样。 |
| 2026-06-13 | — | 50/60 | 83% | |
如果浏览器实现能通过就完美了。编程题用一次过的标准来看，WiFi弹窗和Dock栏点击是明显的功能缺失。Trello看板非常漂亮。 模型参数 开发商智谱AI 架构MoE 发布2026-06-13 总参数~130B 激活参数~130B+ 上下文窗口1M 多模态文本/图像 输入价格¥0.1/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 第8句有问题，修改后整个句子不通顺，算错了一句。 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出一个解法，正确。 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案12753正确。 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面精美但WiFi弹窗、Dock栏点击、太空射击全部失败，功能不可用。 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 花了10分钟，不错不错。 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 界面非常漂亮，增删改拖动都没问题，完美。 |
| 2026-06-12 | — | 25/60 | 42% | |
号称对标GPT-5.4的认知大模型，实测翻车。Q1句子指令完全失败，Q2理解题意出错（误用阶乘），Q3密码锁推理正确。编程题三题几乎全军覆没：浏览器OS无功能正常，3D游戏完全不工作，Trello看板仅增删改基本正常但拖动和删除UI有bug。总分25/60，低于预期较大。 模型参数 开发商未知 架构未知 发布未知 总参数未知 激活参数未知 上下文窗口未知 多模态文本 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 最基本的结尾要从1到10的要求都不对，更别说句子是否有意义了，失败出师不利 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案24正确，但提示词明确要求初等数学运算符，新程Alpha用了阶乘，审题理解出错 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，好这题做对了 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI看上去一般，玩下基本功能吧，没有一个功能是正常的，失败 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本不工作啊，我的天啊 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表和代办卡片增加修改没有问题；拖动任务卡片时动画有问题，卡片没有跟随鼠标互动；删除任务卡片失败，感觉删掉了但界面没有更新 |
| 2026-06-07 | — | 33/60 | 55% | |
推理题表现还行（Q2、Q3全对），但编程题三题均有明显问题：浏览器OS基本功能全废，3D游戏左右键反了且看不清，Trello看板增删改拖均有bug。综合33/60，编程能力明显短板。 模型参数 开发商阿里云/Qwen 架构Dense 发布2026-06-07 总参数27B 激活参数27B (Dense) 上下文窗口32K 多模态文本 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾确实是1-10，前面4句还算通顺，但是剩下的就不行了 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 竟然提供了4种解法，看了下都是对的，不错 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，答案正确，不错哦 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 计算器根本不能输入，太空射击游戏根本没有办法开启，游戏失败 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 根本看不清，左右键搞反了，按左箭头车往右移，按右键反而左移了 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 配色一般；修改名称怎么修改不了；拖动时灵时不灵，拖动后列表下面的卡片不知道丢哪去了 |
| 2026-06-05 | — | 40/60 | 67% | |
推理题表现不错（Q2、Q3全对），Q1句子结尾正确但流畅度一般。编程题：浏览器OS背景图加载失败+射击游戏失效扣分较多，3D赛车游戏无具体批评给7分，Trello看板增删改均有明显问题。综合40/60，中等偏上。 模型参数 开发商Google 架构Dense 发布2026-06-05 总参数31B 激活参数31B (Dense) 上下文窗口32K 多模态文本/图像 输入价格免费 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾确实是1-10，前面几个肯定是不通顺的，后面你说算他错吧又感觉有时又能这样说 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 提供了两种解法，第一种和第二种（10-√4=8/9除以3=8/3×3=24）都没有问题，都是正确的，不错 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案应该是12753，答案正确，不错啊 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 背景一片白色，桌面图片没有正常加载；基本功能没问题，但太空射击游戏按空格没有任何子弹发射，也不像个射击游戏 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 还不错吧（无具体批评内容，描述简短正面） 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 配色和原生Trello接近；没有增加列表按钮；列表名称可修改但代办没有办法修改；卡片拖动时灵时不灵；列表拖动没有动画效果 |
| 2026-06-04 | — | 29/60 | 48% | |
Q2、Q4表现不错，但Q1句子生成失败、Q3服务器错误直接失败。3D赛车三个问题扣分多，Trello看板基本功能OK但卡片修改和动画有瑕疵。最重要是免费，综合29/60。 模型参数 开发商Agnes AI(SG) 架构未知 发布2026-06 总参数未知 激活参数未知 上下文窗口1M 多模态文本/图像/视频 输入价格免费 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 这个深层明显不行，最后应该是1-10结尾的 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，速度也还挺快的 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 竟然报了个服务器错误，重新来吧卡在这里不动了，测试失败 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 桌面配色看上去还不错，基本功能还好，太空射击游戏还不错哦（近期少有模型实现出来的） 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 视角太飘忽，没法控制加速，跑着跑着看不到路和障碍物了 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表增删改没问题，卡片跨列表拖动没问题；但任务卡片不能修改，列表拖动动画实现的不好 |
| 2026-06-03 | — | 31/60 | 52% | |
API+Pi agent模式下，比直接官网测试强（Q4写出代码），但整体表现仍然一般。Q1句子生成较差，Q5长任务编程直接卡死无输出，Trello看板基本功能有多处缺失。速度慢是明显短板，综合31/60。 模型参数 开发商MiniMax 架构MoE 发布2026-06-01 总参数2.3T 激活参数~98B (MoE) 上下文窗口1M 多模态文本/图像/音频/视频 输入价格未知 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾是1-10，但只有前面两句语意通顺，第三句勉强，其他都不行 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 用时15-20分钟差点放弃，最终答案正确，解法正确，没有问题 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确，且没有走常规推理路径，而是自己写Python代码来做，速度很快，整个推理过程没有问题 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 起码写出了代码（比官网强），但弹窗卡片超出边界，计算器布局有问题，太空射击游戏空格键不发射，键盘无法控制只能鼠标 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 静止快10分钟无任何输出和TOKEN变化，估计也是停下来了，和官网测试同样问题，长时间编程任务能力有严重问题 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 UI挺不错，列表增删改没问题；但任务卡片无法编辑，每次点击打开空全局模态弹窗；拖动需精确位置；卡片无删除入口 |
| 2026-06-02 | — | 38/60 | 63% | |
推理题三题全对（Q1对9句，Q2、Q3全对且速度快）。编程题三题均有明显问题：Q4基本功能OK但射击游戏挂起，Q5完全失败，Q6 Trello看板多处问题。Flash轻量版速度有优势但编程能力一般，综合38/60。 模型参数 开发商DeepSeek 架构Dense(Distilled) 发布2026-06-02 总参数~30B 激活参数~30B (Distilled) 上下文窗口128K 多模态文本 输入价格¥0.1/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾都是按照1-10结尾的，语义只有出门必逢七有争议，所以认为对了9句 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出了一种解法，答案正确，速度也挺快 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案是12753，答案正确，推理过程也挺快，不像其他模型半小时搞不定 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 界面感觉一般般，基本功能没有问题；但太空射击游戏跑几秒钟就自动挂起，不知道什么原因 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 车卡在围栏里，无法前进后退，障碍物从后方出来，完全是个失败的实现 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 任务卡片无法编辑（点击无反应），拖动动画有问题（应往下滚但没滚），列表拖动屏幕闪烁，原位置列表消失 |
| 2026-06-02 | — | 54/60 | 90% | |
表现非常强！Q1、Q2、Q3推理题全对，Q2还给出了测评以来最巧妙的解法。编程题：Q4基本OK小瑕疵，Q5赛车游戏非常流畅，Q6 Trello看板基本功能完善仅有一个拖动残留bug。综合54/60，是目前测评过的最强模型之一。 模型参数 开发商阿里云/Qwen 架构MoE 发布2026-06-02 总参数~400B 激活参数~72B (MoE) 上下文窗口128K 多模态文本/图像 输入价格¥0.1/M 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 所有的句子都没有问题，结尾都是从1到10，很棒 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 给出了三个解，第一个很巧妙是正确的，比DeepSeek V4 Pro做得好，应该是当前测评过的最好的一个模型 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 答案正确是12,753，推理过程检验后都是对的，不像MiniMax M3和DeepSeek V4 Pro那样答案正确但推理过程有问题 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 UI感觉一般，功能没有什么问题，太空射击游戏有个小问题（为什么这些石头打不烂呢） 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 玩的有点停不下来了，挺不错的 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表增删改没有问题，但任务卡片拖动到第二个列表之后，如果这个列表的位置改了，拖动过去的任务卡片会残留，其他的感觉还好 |
| 2026-06-02 | — | 12/60 | 20% | |
表现很差。Q1句子生成完全失败（结尾数字无意义），Q2推理正确但速度慢，Q3直接超时放弃。编程题付费平台等待1小时以上仍未完成，直接中断测试。付费模式性价比极差，不推荐。 模型参数 开发商阶跃星辰/StepFun 架构MoE 发布2026-06-02 总参数~30B 激活参数~30B 上下文窗口256K 多模态文本/图像 输入价格未知 开源闭源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 结尾是从1到10，但这1到10在每个句子中都是没有任何意义的，也就是说这个测试是失败的 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案非常棒，竟然给出了两个解法，且都是正确的，不错不错 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 耗时太长了，快半个小时都做不完这么一道推理题，直接停掉算错 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 等了1个多小时还没写完，付费平台凌晨都这么慢，直接放弃 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 未测试（Q4超时放弃后未继续） 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 未测试（Q4超时放弃后未继续） |
| 2026-06-01 | — | 52/60 | 87% | |
可圈可点。推理题全对（Q1全对10句，Q2/Q3正确），编程题中浏览器OS基本功能OK但太空射击游戏失效扣分，赛车游戏感觉不错，Trello看板基本功能正常但卡片无法编辑删除。综合52/60，建议作为后续测评的基准对比。 模型参数 开发商DeepSeek 架构MoE 发布2026-06-01 总参数~2.3T 激活参数~236B (MoE) 上下文窗口1M 多模态文本 输入价格¥3/M 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 最后句子结尾确实是1-10，且每一个句子最后的数字在句子中都是有着通顺的语义的，不像mini Max m three虽然是1-10结尾但是是硬塞进去没有任何语义的 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 答案正确，不错不错 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案应该是12753，答案正确。推理其实是对的，只是给推理表格时把命中列和位置正确列搞混了 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 这几个功能还好，但内置的太空射击游戏根本没法玩，看不清楚 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 感觉不错，只是我的车技太烂或者说难度有点高，过不了多久就挂了 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 列表拖动和增删改没有问题，但任务卡片不能编辑也不能删除 |
| 2026-06-01 | — | 8/60 | 13% | |
全军覆没。推理题：Q1句子数字硬塞无意义，Q2公式明显错误（4=2），Q3答案蒙对但推理过程漏洞百出。编程题：Q4卡死无响应，Q5写了SPEC就停住，后续Q6无法测试。作者怀疑M3是否出来太过匆忙未调优就上架。 模型参数 开发商MiniMax 架构MoE 发布2026-06-01 总参数2.3T 激活参数~98B (MoE) 上下文窗口1M 多模态文本/图像/音频/视频 输入价格未知 开源开源 输出10个以汉字数字结尾的句子，且按照顺序一到十，语句要通顺有意义，且倒数第二个字不能重复且不能是"第"，"是"，"为" 最后确实是1-10结尾，但要求语义通顺的约束没有达到，10个句子没有一个最后的数字是有意义的，根本是狗屁不通 请用 3、4、9、10 这四个数字，每个数字只能且必须使用一次。你可以使用任何初等数学运算符（包括乘方/根号），请拼出 24 点。 这个就更离谱了，4=2是火星的数学吗，公式明显算不出24 有把五位数密码锁，数字顺序与位置均需匹配才能开锁。78635 含 3 个正确数字且位置全错；16384、56483 各 1 个数字位置正确、1 个数字位置错误；92741 有 2 个数字位置正确、1 个数字位置错误；67153 有 2 个数字位置正确、2 个数字位置错误，据此推理密码。 正确答案应该是12753，答案正确。但推理过程是蒙的（答案无数字8却列出了8，推理漏洞百出） 参考macOS最新操作系统，创建一个现代、有着精美桌面和UI的浏览器内操作系统（命名为"AISniper OS"）。要求包含系统状态弹窗（如 Wi-Fi、系统健康度）、时钟、底部快捷栏、主题切换功能，并内置可交互的 3D 太空射击游戏，底部快捷栏应该有Finder，计算器，设置、命令行终端和太空射击游戏 e怎么不动了，死掉了吗，叫它继续但它竟然不继续跑了 使用 HTML、CSS 和 JavaScript，创建一个以汽车为主角的 3D 赛伯朋克风格无限跑酷游戏。网页必须通过 Canvas 或 Three.js 渲染出一条沿纵深无限延伸的赛道，核心交互要求实现摄像机视角随着弯曲赛道实时左右平滑晃动的追踪动效，以及汽车切换赛道时的高灵敏度物理避障反馈；赛道上必须动态刷新各种障碍物，且页面顶部需内置一个能随着行驶距离和避障表现实时渲染、不被遮挡的高清动态计分板。 写了个SPEC然后就没有然后了，完全没有输出 请用单文件原生 HTML/CSS/JS 实现一个高颜值 Trello 看板（严禁任何第三方库），完美支持卡片跨列拖动到其他列表，支持列表横向拖拽切换列表位置，列表和卡片的增删改，且必须硬性实现：拖拽时周围卡片平滑滑开让位的顺畅动画（绝不能生硬闪现）、拖拽到边缘时看板自适应自动滚动、点击卡片时从原位置原位放大展开的无缝弹窗，以及弹窗内完整的子任务清单与多颜色标签编辑功能 编程题前三题全部失败，Q6无法继续测试 |
